Español

www.ujat.mx/publicaciones/uciencia
26(1):65-80,2010
ESTUDIO ESTADÍSTICO DE LA CORRELACIÓN ENTRE CONTAMINANTES
ATMOSFÉRICOS Y VARIABLES METEOROLÓGICAS EN LA ZONA NORTE DE
CHIAPAS, MÉXICO
Statistical study of the correlation between atmospheric pollutants and meteorological
variables in northern Chiapas, Mexico
S Ramos-Herrera
, R Bautista-Margulis, A Valdez-Manzanilla
(SRH) División Académica de Ciencias Biológicas. UJAT km. 0.5 Carr. Villahermosa - Cárdenas. Villahermosa 86039 Tabasco,
México. [email protected]
Artículo
recibido: 27 de septiembre de 2007, aceptado: 23 de marzo de 2010
RESUMEN. El análisis de regresión múltiple es un método estadístico empleado en muchas áreas del conocimiento.
En este estudio, dicho análisis se aplicó a los datos de concentraciones de cuatro contaminantes atmosféricos (SO2 ,
NO2 , H2 S y PM10 ), monitoreados en tres estaciones que se ubican en la Zona Norte del estado de Chiapas. El periodo
que abarcó el estudio fue de enero 2001 a febrero 2005. El objetivo fue proponer funciones de regresión para describir la
concentración en función del tiempo y/o las variables meteorológicas. Se empleó un análisis de regresión lineal múltiple
paso a paso en la selección de variables regresoras. Las más importantes fueron la temperatura, la humedad relativa
y la dirección del viento. Se obtuvieron funciones de regresión de la concentración anual, mensual y diaria de estos
contaminantes. Se obtuvo una regresión lineal simple para explicar la concentración anual de SO2 , alcanzando un coeficiente de determinación de 0.927. Los modelos de la concentración mensual alcanzaron un coeficiente de determinación
entre 0.417 y 0.846; mientras que para los de la concentración diaria, este coeficiente varió de 0.285 a 0.581. De este
estudio paramétrico, se concluyó que las variables meteorológicas describieron adecuadamente la concentración anual
y mensual, pero no la concentración diaria.
Palabras clave: Correlación estadística, regresión lineal, contaminantes atmosféricos.
ABSTRACT. The multiple regression analysis is a statistical method used in many academic areas. In this study, this
analysis was applied to the concentration data of four atmospheric pollutants (SO2 , NO2 , H2 S y PM10 ), monitored
in three stations located in northern Chiapas. The study was carried out from January 2001 to February 2005. The
purpose of the study was to propose regression functions to describe the concentration as a function of time and/or
meteorological variables. A stepwise multiple linear regression analysis was used in the selection of regressive variables,
the most important of which included the temperature, relative humidity and wind direction. Regression functions of
the annual, monthly and daily concentrations of these pollutants were obtained. A simple linear regression was obtained
to explain the annual concentration of SO2 , with a determination coefficient of 0.927. The models for the monthly
concentration obtained determination coefficients of 0.417 to 0.846,whereas the coefficients for the daily concentration
model varied from 0.285 to 0.581. This parametric study made it possible to conclude that the meteorological variables
described the annual and monthly concentrations adequately, but not the daily concentrations.
Key words: Statistic correlation, linear regression, atmospheric pollutants.
INTRODUCCIÓN
La concentración de los contaminantes en la
atmósfera se afecta por variables meteorológicas como, la temperatura, la humedad relativa y la radiación solar, que controlan a su vez la velocidad con la
que se realizan las reacciones químicas atmosféricas.
Por otro lado, la dispersión de estos contaminantes
es influenciada por la velocidad y dirección de los
vientos, así como la estabilidad que predomina en
la atmósfera. A nivel regional se ha puesto atención
al problema de la contaminación atmosférica, debi65
Ramos-Herrera et al.
26(1):65-80,2010
do principalmente a las actividades petroleras que
se realizan en el suroeste de México. A través de
una red de monitoreo automatizada conocida como
Sistema Automatizado de la Región Sur (SAMARS)
de Petróleos Mexicanos (PEMEX) se monitorean los
principales contaminantes atmosféricos (excepto el
ozono) y variables meteorológicas. Esta red opera
desde 1999 y cuenta con seis estaciones de monitoreo ubicadas en las periferias de las instalaciones
petroleras (Baterías y Compresoras). La información
recopilada a la fecha se ha empleado principalmente
en la evaluación de la calidad del aire en la periferia
de estas instalaciones, en la calibración de modelos
de dispersión de los contaminantes, y en la distribución espacial de estos. Por ejemplo, Valdés et al.
(2004) realizaron un análisis de la distribución espacial y estacional del dióxido de azufre. El análisis se
llevó a cabo con datos de once meses (Noviembre
de 2002 a Septiembre de 2003) en cinco estaciones
de monitoreo atmosférico del SAMARS distribuidas
en la Zona Norte de Chiapas (ZNC) y centro de Tabasco. De la distribución espacial se concluyó que
la máxima concentración de SO2 se presentó en la
ZNC, concretamente en la zona de Reforma Chiapas, y que el máximo estacional ocurrió en el otoño.
Sin embargo, se recomendó continuar con este tipo
de estudios, abarcando un periodo mayor de análisis
que incluyera además, variables meteorológicas como la velocidad, dirección del viento y la estabilidad
atmosférica.
Existen estudios que muestran que los contaminantes atmosféricos y las variables meteorológicas
se correlacionan. En un estudio realizado en la Zona Metropolitana de la Ciudad de México (ZMCM),
Bravo et al. (2000) mostraron que la radiación solar es más útil en la modelación del máximo diario
de ozono que la temperatura. Mediante un análisis
descriptivo comprobaron que aunque ambas variables meteorológicas se correlacionan con el máximo
diario de ozono, la temperatura máxima se presentó casi dos horas después de la hora del máximo de
ozono en el día; mientras que la radiación solar máxima se presentó entre 1.69 y 2.35 h antes de la hora
del máximo de ozono. Sin embargo, no propuso un
modelo de los niveles diarios de ozono en función de
la radiación solar máxima.
66
También existe correlación entre la humedad
relativa (HR), la concentración de partículas suspendidas totales (PST) y las partículas de diámetro aerodinámico menor a 10 µm (PM10 ), como lo muestran los resultados de una investigación realizada en
el suroeste de la Ciudad de México, en una zona de
tipo residencial. Ahí se encontró que la correlación
es de tipo inversa y que es mayor con las PST (r =
-0.828) que con las PM10 (r = -0.749). También se
estableció que existe diferencia significativa entre la
concentración en temporada de secas y de lluvias,
siendo mayor la concentración en la temporada de
secas. Finalmente, se puso de manifiesto la importancia de estudiar el comportamiento anual de la
contaminación ya que es importante en las exposiciones por periodos prolongados (Amador-Muñoz
et al. 2001). La determinación de los patrones de
distribución diurna y anual de los contaminantes ha
permitido concluir si estos presentan ciclos diarios,
tendencias a la disminución a largo plazo y comportamiento estacional. Para ello se ha analizado
el comportamiento de estadísticas como la media
aritmética, la mediana y el percentil 98 de los valores diarios, mensuales y anuales del contaminante
Davydova-Belitskaya et al. 1999; Varó & Carratalá
2002).
Debido a la naturaleza aleatoria de los niveles
atmosféricos de los contaminantes, se ha intentado
explicar su comportamiento temporal y en el proceso
se ha recurrido a los modelos de regresión. Por ejemplo, el comportamiento de los máximos y promedios
semanales de ozono en la Zona Metropolitana de
la Ciudad de México (ZMCM) con base en datos
de ocho estaciones de monitoreo atmosférico de la
RAMA (en el periodo enero de 1995 a diciembre de
1999) se explicó mediante el siguiente modelo de
regresión no lineal:
yi = β0 + βi xi + β2 cos(
2π
xi + β3 ) + εi
52
Donde xi , representa el tiempo transcurrido en semanas, y es la única variable regresora.
El modelo integró una componente de tendencia lineal, una componente cíclica y un componente aleatorio, εi , con las que se modeló la esta-
Estudio correlativo de contaminantes atmosféricos
26(1):65-80,2010
18° 34'
Cd. Comalcalco
Ujat
Ceiba
TABASCO
Cd. Cárdenas
Cd. Villahermosa
Isla
Corregidora Ortiz 1a. Sección
Ceiba
C.P.G. Cactus
Reforma
Luis Gil Perez
Trapiche
Huimanguillo
C.P.G Nvo Pemex
CHIAPAS
Huapaque 2a. Sección
Ignacio Allende
Santa Cruz
Artesa
Santa Teresa 2a. Sección
Paraíso
Santa Teresa 3a. Sección
Santa Teresa 1a. Sección
Giraldas Campo petrolero Comoapa
Caobanal 1a. Sección
Corozal 1a. Sección
Campo petrolero Sunuapa
17° 33'
1
2
93° 34'
92° 49'
Figura 1.
Figura 1. Ubicación de las estaciones de monitoreo de SAMARS (⊕ estaciones de monitoreo, • poblaciones aledañas, N Complejos Procesadores3de Gas).
Figure 1. Location of the SAMARS monitoring stations (⊕ monitoring stations, • neighbouring populations, N gas processing stations).
cionalidad anual y la tendencia lineal creciente o decreciente del ozono. Aunque el modelo ajustado fue
bastante bueno, se sugirió incluir variables meteorológicas en el análisis, con el propósito de eliminar su
efecto en la variación del ozono y así evaluar mejor el
impacto que las estrategias de control tienen sobre
los datos de ozono observados (Jiménez, 2002).
En estudios de corte epidemiológico los niveles diarios de contaminación (por O3 , PM10 , SO2 ,
humos negros) se han empleado como variables explicativas de variables de salud (cómo el número de
consultas a urgencias por enfermedades respiratorias agudas o del número de defunciones diarias por
todas las causas de muerte o por enfermedades del
aparato respiratorio y del aparato circulatorio). Aunque el objetivo principal ha sido estudiar la asociación entre estas variables, en el proceso de análisis,
las variables meteorológicas (como la temperatura,
humedad relativa y velocidad del viento) se han considerado como variables confusoras cuando se emplean métodos de series temporales en el análisis de
la una variación temporal de la variable salud y contaminación diaria (Sáez et al. 1999). También han
intervenido como variables predictoras en la estima27
ción de los niveles faltantes de los contaminantes
mediante la aplicación de técnicas de regresión line-
67
Ramos-Herrera et al.
26(1):65-80,2010
Tabla 1. Características de las tres estaciones del SAMAR en la zona
norte de Chiapas.
Table 1. Characteristics of the three SAMARS stations in northern Chiapas.
Estación
Longitud
Reforma
93◦
Artesa
93◦ 10’
Giraldas
09’
93◦ 23’
Latitud
Tipo
Zona
17◦
52’
Automática
Industrial (PEMEX)
17◦ 46’
Automática
Rural
17◦ 39’
Automática
Industrial (PEMEX)
al (Hernández-Cadena et al. 2000; Arrivas-Monzón
et al. 2001).
Contar con bases de datos completas de los
contaminantes para estudios de análisis, en un cierto periodo de tiempo, es todo un reto. Los costos
de mantenimiento y el bajo presupuesto son factores que afectan la adquisición continua de la información. En estos casos se pueden ajustar modelos que estimen los datos faltantes en función de
otras variables, como son las variables meteorológicas de superficie. El objetivo de este estudio, fue
adecuar modelos de regresión lineal múltiple al comportamiento en el tiempo de los niveles observados
en la ZNC de cuatro contaminantes atmosféricos
(SO2 , NO2 , H2 S, y PM10 ). Como variables regresoras además del tiempo, se propusieron las siguientes
variables meteorológicas de superficie: temperatura
(T), humedad relativa (HR), radiación solar (RS),
presión atmosférica (P), velocidad y dirección del
viento (VV, DV). Se ajustaron modelos de regresión para describirle comportamiento de las medias
anuales, mensuales y diarias.
MATERIALES Y MÉTODOS
El análisis se llevó a cabo en la ZNC (Figura
1) en una región ubicada entre los meridianos 92◦
49’ y 93◦ 34’ y los paralelos 18◦ 34’ y 17◦ 33’. Esta
zona presenta un clima cálido húmedo con lluvias en
verano; la temperatura promedio anual oscila alrededor de los 24 ◦ C y la máxima precipitación anual
del estado es de 3 977.5 mm (Anónimo 2003).
La base de datos se obtuvo de tres estaciones (Reforma, Giraldas y Artesa) de monitoreo de
la red SAMARS. La distancia entre las estaciones
de Reforma y Artesa es de 10.16 km, entre Artesa y Giraldas es de 25.94 km y entre Reforma y
68
Giraldas es de 33.42 km. La estación Reforma, se
ubica en la zona industrial de la ciudad de Reforma,
Chiapas; la estación Artesa, se ubica en el poblado
de Santa Teresa en un entorno rural; y la estación
Giraldas, se ubica en el Campo San Manuel, una
zona de tipo industrial, perteneciente al municipio
de Huimanguillo, Tabasco (Tabla 1). De las tres estaciones, la primera y la última cuentan además,
con una estación meteorológica. El estudio abarcó
el periodo de enero 2001 a febrero de 2005. A partir
de esta última fecha las estaciones quedaron fuera
de operación y así continúan en la actualidad. Para
lograr el objetivo de esta investigación, se recopilaron los valores horarios de los siguientes contaminantes y variables meteorológicas: dióxido de azufre
(SO2 ), dióxido de nitrógeno (NO2 ), ácido sulfhídrico
(H2 S), partículas con diámetro aerodinámico menor
a 10 micras (PM10 ), velocidad del viento (VV), dirección del viento (DV), temperatura (T), humedad
relativa (HR), presión barométrica (P) y radiación
solar (RS). De los resultados del trabajo de Vázquez
(2006) se obtuvieron los valores diarios de la altura
de la capa de mezclado (L) en la región en el 2003.
Las concentraciones se manejaron ppb para los gases y en µgm−3 para las partículas. La temperatura
en ◦ C, la presión en mb, la radiación solar en Wm−2
y la altura de la capa de mezclado en m.
Las medias aritméticas anuales, mensuales y
valores diarios de los contaminantes y meteorológicos se calcularon con el 50 % o más de los valores
horarios correspondientes. Se tuvieron cuatro medias anuales, 50 medias mensuales y 1 520 valores
diarios por variable.
Particularmente los valores diarios de concentración de NO2 y H2 S se calcularon de la siguiente
forma: para el NO2 el valor diario se tomó como el
máximo valor horario del día; mientras que para el
Estudio correlativo de contaminantes atmosféricos
26(1):65-80,2010
lógicas debido a la necesidad de utilizar mayor información de campo y, por consiguiente, incrementar
la complejidad del análisis.
H2 S, el valor diario se tomó como el máximo promedio móvil de ocho horas del día. En los cálculos de
la media de velocidad y dirección del viento se usó
el enfoque escalar y el enfoque vectorial (Anónimo
2000), generándose medias escalares (VVe, DVe) y
medias vectoriales (VVv, DVv) para estos parámetros. Se realizó un análisis de correlación entre los
contaminantes y las variables meteorológicas; primero entre los valores anuales, luego entre los valores
mensuales y finalmente entre los valores diarios. Dicho análisis dio un indicio de qué variables pudieran
servir como variables regresoras de la concentración.
El modelo de regresión propuesto fue el siguiente:
RESULTADOS
Comportamiento anual del SO2
El SO2 monitoreado en Reforma fue el único contaminante con suficiente información horaria (mayor al 50 %) para estimar las medias anuales
2001-2004. Los resultados (Figura 2) muestran una
tendencia a la disminución de la media anual con
el tiempo en años. Dicha tendencia se representó
por el modelo de regresión simple: [SO2 ] = 14.10 –
2.362t, donde t es el tiempo transcurrido en años.
De acuerdo a este, para el 2005 (t = 5 años) se
espera una media anual de 2.29 ppb. No obstante
la media observada fue de 5 ppb, quedando dentro
de los límites del intervalo de predicción para este
año.
18
16
14
12
10
8
6
4
2
0
2001
1
2003
2004
2005
Figura 2.
Figura 2. Tendencia de la concentración Media anual (• observado, — regresión, · - · - límite superior de confianza, — límite
inferior
45 de confianza).
45
40 2. Trend of annual average concentration
40
(a)
Figure
(• observed,
35
— 35
regression, · - · - maximum confidence level, — minimum
30
30
confidence
level).
25
25
20
20
15
15
Comportamiento
mensual
y
diario
de
los
con10
10
taminantes
5
5
0 El comportamiento de la concentración0men7 13 17 23 27 31 35 39 47
sual se1 muestra
en las Figuras 3, 4 y 5 para las esMeses transcurridos
ppb
3
2002
gm-3
2
4
taciones de Reforma, Artesa y Giraldas, respectivamente.
Ninguna de las estaciones registró el 100 %
9
(b)
8
de las medias mensuales dentro del periodo de análisis76 (50 meses). Los casos críticos se dieron en Arteppb
Donde Ci denota la concentración anual, mensual
o diaria de los contaminantes, y βi representa los
parámetros a estimar del modelo.
Para ajustar el modelo, se empleó el paquete
estadístico SPSS y el método de selección de variables STEPWISE (Ferrán 2001). Se analizaron los
residuales para verificar el grado en el que se cumplieron las hipótesis de homogeneidad de varianzas
y normalidad de los residuales (Montgomery et al.
2006). El modelo incluyó a la dirección del viento
como una variable de rango y como una variable
categórica, para ver cual funcionaba mejor. Como
variable categórica, la dirección del viento incluyó
las 16 direcciones siguientes: N, NNE, NE, ENE, E,
ESE, SE, SSE, S, SSO, SO, OSO, O, ONO, NO,
NNO. Esto se logró definiendo la variable indicadora binaria Zi , que toma el valor de uno si la dirección del viento es igual a i, y cero si la dirección
del viento es diferente a i; donde i es igual a las direcciones anteriores del viento menos una. También
se analizó la correlación entre la concentración y la
dirección del viento. Por último, se estudió la correlación diaria entre las tres estaciones y se ajustaron
rectas de regresión lineal simple en los casos donde
la correlación fue significativa y alta. Para medir las
correlaciones, se empleó el coeficiente de correlación
de Spearman. El modelo no incluyó términos para el
comportamiento estacional de las variables meteoro-
Concentración en ppb
Ci = β0 + β1 t + β2 T + β3 HR + β4 RS + β5 P +
X
β6 V V e + β7 V V v +
αk Zi + ε
5
4
3
2
1
0
69
1
7
13
18
24
28
32
36
40
48
Concent
8
6
4
2
0
2001
2002
2003
2004
2005
Ramos-Herrera et al.
26(1):65-80,2010
9
8
7
6
5
4
3
2
1
0
7
(b)
(b)
6
5
ppb
ppb
Figura 2.
4
3
2
1
0
1
7
13
18
24
28
32
36
40
48
0
5
10
15
20
Meses transcurridos
Meses transcurridos
25
30
Figura 4.
Figura 3.
Figura 3. Comportamiento de la concentración mensual en Reforma: a) SO2 , N PM10 ; b) H2 S, N NOx.
Figure 3. Monthly concentration behaviour in Reforma: a) SO2 , N PM10 ; b) H2 S, N NOx.
Figura 4. Comportamiento de la concentración mensual en Artesa: a) SO2 , N PM10 ; b) H2 S, N NOx.
Figure 4. Monthly concentration behaviour in Artesa: a) SO2 ,
N PM10 ; b) H2 S, N NOx.
Tabla 2. Valores máximos y mínimos para todo el periodo de estudio.
Table 2. Maximum and minimum values for the study period.
3
Parámetro
SO2 (ppb)
NO2 (ppb)
H2 S (ppb)
PM10 (µgm-3)
T (◦ C)
HR ( %)
RS (Wm−2 )
P (mb)
VV (ms−1 )
Reforma
425.3
496.1
76.7
114.9
32.9
95.2
1157.1
1023.9
5.39
Máximos
Artesa
254
177.4
182
201.1
sa y Giraldas y para los contaminantes NO2 y H2 S,
donde el porcentaje alcanzado fue menor a 50 %.
Los niveles diarios de los contaminantes durante el periodo de estudio presentaron mayor variabilidad que los valores diarios de las variables meteorológicas. Para mejorar la homogeneidad de varianzas y la normalidad de los valores diarios, los
niveles diarios se transformaron mediante el logaritmo natural. El comportamiento diario de SO2 , NO2 ,
70
Giraldas
Reforma
1093
301.5
151.5
256.3
33.3
96.3
666
1024.2
9
0.1
0.1
0
2.7
12.1
22.9
0
997.2
0.3
Mínmos
Artesa
0.1
0
0
2.8
Giraldas
0.1
0.2
0.3
0
11.2
17.8
0
997.9
0.3
H2 S y PM10 (Figuras 6, 7, 8 y 9) para cada estación de monitoreo se representó mediante gráficos
del logaritmo natural de la concentración diaria del
contaminante en función de los días transcurridos
desde enero de 2005.
De acuerdo a la NOM-022-SSA1-1993 (Anónimo 1993a), el límite máximo permisible de SO2
en un promedio de 24 h es de 0.13 ppm ó 130 ppb;
para NO2 es de 0.21 ppm ó 210 ppb en un promedio
Estudio correlativo de contaminantes atmosféricos
26(1):65-80,2010
Tabla 3. Coeficientes de correlación mensual.
Table 3. Monthly correlation coefficients.
Variable
t
T
HR
RS
P
VVe
DVe
VVv
DVv
L
SO2
-0.463**
0.12
0.01
0.11
-0.05
0.03
-0.05
-0.04
-0.29
0.07
Estación Reforma
NO2
H2 S
-0.512**
0.544**
-0.473**
0.373*
-0.344*
0.398*
-0.08
0.06
-0.21
-0.891**
-0.803**
-0.08
0.38
-0.07
0.25
0.17
-0.19
0.01
-0.505**
-0.65
PM10
SO2
0.04
0.390*
-0.689**
0.570**
-0.25
0.429*
-0.549**
0.593**
-0.434*
-0.11
-0.11
-0.04
-0.08
-0.08
-0.12
0.24
0.1
0.21
0.01
0.01
Estación Giraldas
NO2
H2 S
-0.597**
0.566**
-0.455*
0.624**
-0.401*
0.18
0
0.36
-0.03
-0.77
-0.33
-0.17
0.05
-0.28
0.21
0.29
-0.03
0.02
0.08
PM10
-0.12
0.772**
-0.626**
0.511**
-0.32
0.3
-0.06
0.16
-0.01
-0.770**
Tabla 4. Coeficientes de correlación diaria.
Table 4. Daily correlation coefficients.
Variable
t
T
HR
RS
P
VVe
DVe
VVv
DVv
L
SO2
-0.271**
0.122**
-0.062*
0.134**
-0.177**
-0.074*
0.02
-0.076*
0
-0.231**
Estación Reforma
NO2
H2 S
-0.546**
0.362**
-0.281**
0.274**
-0.234**
0.097**
0.01
-0.03
-0.04
-0.430**
-0.231**
-0.111**
0.164**
-0.02
0.01
-0.080*
0.03
-0.04
0.03
-0.283**
PM10
SO2
-0.04
0.368**
-0.509**
0.407**
-0.242**
0.04
-0.150*
0.04
-0.167*
-0.13
-0.257**
0.03
-0.06
0.07
-0.077*
0.105**
0
0.05
-0.104**
-0.181**
Estación Giraldas
NO2
H2 S
-0.591**
0.340**
-0.348**
0.332**
-0.236**
0.208**
-0.04
0.01
-0.105**
-0.318**
PM10
-0.109**
0.04
-0.151**
0.188**
-0.201**
0.05
-0.269**
0.1
-0.198**
-0.07
-0.101**
0.609**
-0.619**
0.495**
-0.498**
0.03
0.06
-0.071*
0.04
-0.483**
Estación Giraldas
NO2
H2 S
PM10
Tabla 5. Correlación de la concentración diaria con la dirección del viento.
Table 5. Daily concentration correlation with wind direction.
Dirección
del viento
N
NNE
NE
ENE
E
ESE
SE
SSE
S
SSO
SO
OSO
O
ONO
NO
SO2
0.05
0.05
0.076*
-0.01
-0.075*
-0.05
-0.01
0.02
-0.02
0.02
0.01
0.03
0
0.01
0.06
Estación Reforma
NO2
H2 S
0.04
0.05
0.01
0.142**
-0.131**
-0.05
-0.05
-0.01
0
-0.01
0.01
0.094**
-0.05
0
0.04
0.04
0.075*
0.01
0.080*
-0.074*
-0.092**
-0.086*
-0.03
0
0.02
-0.01
0.05
0.05
0.122**
0
de una hora según lo establecido en la NOM-023SSA1-1993 ( Anónimo 1993b); y para PM10 fue de
150 µgm−3 hasta antes de septiembre de 2005 y
después de esta fecha se estableció en 120 µgm−3
acorde a la NOM-025-SSA1-1993 (Anónimo 1993c).
PM10
SO2
0.04
0.04
0.070*
0.083*
0.02
0
0
-0.01
0.03
-0.06
-0.02
-0.170**
-0.112**
-0.01
0.084*
0.01
0.073*
0.152**
0.086*
0
0.01
0.06
-0.03
0.05
-0.01
-0.083*
-0.04
-0.06
0.03
0.06
-0.03
0.06
0.04
0.01
-0.02
0.089**
0.092**
0.070*
0.06
0.03
-0.02
-0.06
-0.05
-0.075*
0.01
-0.04
-0.01
0.08
0.142**
0.087*
0.06
0.06
-0.05
-0.04
-0.01
-0.093*
-0.142**
-0.06
-0.07
-0.04
0
0.04
-0.01
-0.098**
-0.04
-0.02
0.121**
0.077*
0.142**
0.05
-0.01
-0.02
-0.068*
-0.094**
0.076*
En cuanto al H2 S, se han recomendado concentraciones máximas de exposición aguda de 42 µgm−3
< 1 h y exposición crónica de 10 µgm−3 (Anónimo
2008). En base a estos límites, los máximos alcanzados en algún día dentro del periodo de estudio
71
Ramos-Herrera et al.
26(1):65-80,2010
(Tabla 2) que excedieron la norma fueron el SO2 en
las tres estaciones, el NO2 en Reforma y Giraldas y
las PM10 en Artesa y Giraldas. Los máximos de H2 S
excedieron los valores recomendados por exposición
aguda o crónica en todas las estaciones.
Tabla 6. Frecuencia de la dirección del viento en porcentaje.
Table 6. Frequency of wind direction in percentage values.
Dirección
N
NNE
NE
ENE
E
ESE
SE
SSE
S
SSW
SW
WSW
W
WNW
NW
NNW
Reforma
Giraldas
0.82
1.88
7.04
12.12
18.18
10.45
5.87
3.81
2.97
2.88
4.09
4.76
5.57
4.62
2.4
0.55
0.94
0.85
1.83
9.14
9.37
5.58
3.88
2.84
4.18
4.88
5.52
6.06
7.58
7.49
3.15
1.17
14
(b)
12
ppb
10
8
6
4
2
0
0
10
20
30
Meses transcurridos
40
50
Figura 5.
Figura 5. Comportamiento de la concentración mensual en Giraldas: a) SO2 , N PM10 ; b) H2 S, N NOx.
Figure 5. Monthly concentration behavior in Giraldas: a) SO2 , N PM10 ; b) H2 S, N NOx.
72
El análisis de correlaciones mensuales entre
los contaminantes y las variables meteorológicas se
hizo solo en los casos de las estaciones de Reforma y
Giraldas, pues Artesa no cuenta con estación meteorológica. La concentración mensual se correlacionó
negativamente con el tiempo t, a excepción de las
PM10 observadas en Reforma cuya correlación fue
positiva aunque baja y no significativa. La correlación de NO2 y PM10 con la humedad relativa (HR)
fue negativa; y positiva con la temperatura (T) y la
radiación solar (RS) en ambas estaciones de monitoreo. La presión (P) se correlacionó negativamente
con el NO2 en las dos estaciones. La velocidad escalar del viento (VVe) se correlacionó positivamente
solo con el NO2 y las PM10 en ambas estaciones,
mientras que la dirección escalar del viento (DVe)
se correlacionó significativamente y de forma negativa con las PM10 de Reforma. La altura de la capa
de mezcla (L) se correlacionó negativamente con el
NO2 y las PM10 (Tabla 3). En todos los resultados obtenidos la correlación significativa al 5 % se
indicó con un asterisco y al 2.5 % se indicó con dos
asteriscos como un superíndice en el valor.
Las concentraciones diarias en Reforma y Giraldas se correlacionaron negativamente con el tiempo (Tabla 4). La humedad relativa se correlacionó
negativamente más con las PM10 que con el NO2 .
La temperatura se correlacionó positivamente con
los cuatro contaminantes en Reforma pero solo con
el NO2 y las PM10 en Giraldas. De modo general, la
radiación solar se correlacionó positivamente mientras que la presión lo hizo negativamente con los
contaminantes en las dos estaciones. A diferencia
de los valores mensuales, los valores diarios de la
contaminación se correlacionaron significativamente con la velocidad y dirección escalar del viento,
aunque no para todos los contaminantes y ambas
estaciones. Algo similar ocurrió con la altura diaria
de la capa de mezclado, la correlación fue negativa y
significativa en las dos estaciones aunque más baja
que la correlación a escala mensual (Tabla 4). Esto
tiene sentido ya que al aumentar la altura de la capa de mezcla, aumenta el volumen de aire disponible
para dilución lo cual disminuye la concentración de
los contaminantes.
Estudio correlativo de contaminantes atmosféricos
26(1):65-80,2010
Tabla 7. Ecuaciones de regresión de las concentraciones mensuales.
Table 7. Regression equations of the monthly concentrations.
R2ajus.
Estación
Función de regresión
Reforma
[NO2 ] = 25.131 - 0.0886t - 0.260HR - 2.201ZNE
[H2 S] = 6.145 - 0.149t + 4.407ZWSW + 2.0535ZS
[PM10 ] = 115.435 - 1.233HR + 13.233ZN
0.55
0.7
0.56
Giraldas
[SO2]= -18.379 + 20.665VVe + 41.851ZNNE
[NO2 ]= -4.774 + 0.250T + 1.156ZS
[NO2 ]-1 = 4.634 - 0.04872t - 0.146T - 0.00637RS + 1.349ZN + 1.408ZE
[PM10 ] = 145.77 - 1.574HR
0.7
0.53
0.85
0.61
Tabla 8. Ecuaciones de regresión de las concentraciones diarias.
Table 8. Regression equations of the daily concentrations.
R2ajus.
Estación
Función de regresión
Reforma
Ln[NO2 ] = 5.599 + 0.001722t - 2.66x10−6 t2 - 0.0455HR - 0.249VVv +
0.711ZWSW +0.664Zw + 0.837ZWNW - 0.291ZENE
Ln[PM10 ] = 6.022 - 0.0393HR+ 0.494ZNW + 0.512ZN + 0.303ZNNE + 0.243ZWNW
Giraldas
Ln[NO2 ] = -1.031+ 0.003275t - 3.64x10−6 t2 + 0.08915T+ 0.211ZESE
Ln[PM10 ]= 7.049 - 0.459HR - 0.196VVe - 0.217ZENE - 0.159ZE + 0.264ZNW 0.135ZESE - 0.155ZSSW + 0.129ZWNW
Tabla 9. Regresión lineal simple de las mediciones en las estaciones de monitoreo.
Table 9. Simple linear regression of measurements at monitoring
stations.
Variable
PM10,G
PM10,A
PM10,A
TG
HRG
RSG
PG
Recta de regresión
R2
10.039 + 0.690PM10,R
1.005PM10,G
10.874 + 0.622PM10,R
6.533 + 0.724 TR
10.906 + 0.888HRR
19.732 + 0.976RSR
23.935 + 0.976PR
0.46
0.82
0.33
0.63
0.73
0.7
0.97
En el análisis del efecto de la dirección categórica del viento en la concentración se observó la
existencia de una correlación mediana a escala mensual y baja a escala diaria, que en algunos fue significativa y en otros no. Por ejemplo, a nivel mensual,
el SO2 en Reforma se correlacionó (0.390) positivamente con los vientos del noreste, mientras que
las PM10 lo hicieron de modo inverso (-0.377) con
los vientos del sureste. En Giraldas el NO2 se correlacionó positivamente con los vientos del sur. A
nivel diario se encontró que la dependencia entre la
concentración de los contaminantes y la dirección
del viento es variada (Tabla 5). El SO2 , NO2 y H2 S
en Reforma se correlacionaron negativamente con
el viento del este, que es el viento local que predomina tanto en Reforma como en Giraldas (Tabla
0.47
0.29
0.58
0.49
6). En Giraldas, solo el H2 S se correlacionó con el
viento dominante. También se observó correlación
significativa con los segundos vientos prevalentes,
que resultaron ser en ambos casos los vientos del
este noreste.
Correlación entre estaciones
Los gráficos de dispersión de las variables meteorológicas registradas por las estaciones de Reforma y Giraldas indican que los valores diarios de temperatura, humedad relativa, radiación solar y presión
en Reforma se correlacionan fuertemente con los de
Giraldas (Figura 10). La regresión ajustada explica
arriba del 60 % de la variabilidad observada en las
registros (Tabla 9). Esto significa que las estaciones
se ubican en una zona de una atmósfera homogénea
y están registrando mediciones muy similares entre
ellas, por lo que la falta de información en alguna
de estas estaciones puede subsanarse en algunos periodos con la información registrada en la otra. El
coeficiente de correlación de la velocidad y dirección
diaria del viento fue menor a 0.4.
Los gráficos de dispersión de los valores diarios de SO2 , NO2 y H2 S no parecen mostrar ningún
patrón de asociación (Figuras 11, 12, 13 y 14) entre las estaciones. Sin embargo, el coeficiente de
73
Ramos-Herrera et al.
26(1):65-80,2010
0
365
730
1
Logaritmo de la
concentración de SO2, ppb
Logaritmo de la
concentración de NO2, ppb
(a)
Dias
1095
6
5
4
3
2
1
0
-1
-2
-3
1460
730
Dias
1095
1460
Logaritmo de la
concentración de NO2, ppb
Logaritmo de la
concentración de SO2, ppb
(c)
6
4
2
0
-2
-4
0
6
0
-2
-4
365
730
Dias
1095
Figura 6. Serie de tiempo de la concentración diaria de SO2 en
(a) Reforma (b) Artesa y (c) Giraldas.
Figure 6. Time series of the daily concentration of SO2 in (a)
Reforma (b) Artesa and (c) Giraldas.
7
730 Dias 1095
1460
6
(b)
4
2
0
-2
-4
365
730
3
Dias
1095
7
6
5
4
3
2
1
0
-1
-2
1460
(c)
0
1460
Figura 6.
365
2
8
5
2
0
365
2
4
4
0
(b)
0
3
(a)
6
1
Logartimo de la
concentración de NO2, ppb
Logaritmo de la
concentración de SO2, ppb
8
7
6
5
4
3
2
1
0
-1
-2
-3
365
730
Dias
1095
1460
4
Figura 7.
5
Figura 7. Serie de tiempo de la concentración diaria de NO2 en
(a) Reforma (b) Artesa y (c) Giraldas.
Figure 7. Time series of the daily concentration of NO2 in (a)
Reforma (b) Artesa and (c) Giraldas.
6
7
8
correlación fue significativo y varió entre 0.1 y 0.5.
La asociación más fuerte se dio para el caso de las
PM10 (Figura 12) donde el coeficiente de correlación resultó significativo y mayor a 0.6.
Funciones de regresión
La Tabla 7 presenta las ecuaciones de regresión que describen la concentración mensual de los
contaminantes para las estaciones de Reforma y Giraldas. La Tabla 8 presenta las funciones de regre-
74
sión ajustadas al logaritmo natural de la concentración diaria y en ambos casos R2ajus es el coeficiente
de determinación ajustado por el número de obser31
vaciones y el número
de variables independientes.
Fue necesario transformar las concentraciones diarias a logaritmo de las concentraciones para cumplir
moderadamente con las hipótesis de homogeneidad
de varianza y normalidad de los residuales de los
modelos.
La Tabla 9 muestra las funciones de regresión
Logaritmo de la
concentración de H2S, ppb
Estudio correlativo de contaminantes atmosféricos
26(1):65-80,2010
5
4
3
2
1
0
-1
-2
-3
-4
(a)
0
365
Logaritmo de la
concentración de H2S, ppb
1
730 Dias 1095
1460
6
(b)
4
2
0
-2
-4
0
365
730 Dias 1095
1460
2
Logaritmo de la
concentración de H2S, ppb
6
(c)
5
4
3
2
1
0
-1
-2
0
3
4
5
6
7
365
730 Dias 1095
1460
Figura 8.
Figura 9.
Figura 8. Serie de tiempo de la concentración diaria de H2 S en
(a) Reforma (b) Artesa y (c) Giraldas.
Figure 8. Time series of the daily concentration of H2 S in (a)
Reforma (b) Artesa and (c) Giraldas.
Figura 9. Serie de tiempo de la concentración diaria de PM10 en
(a) Reforma (b) Artesa y (c) Giraldas.
Figure 9. Time series of the daily concentration of PM10 in (a)
Reforma (b) Artesa and (c) Giraldas.
ajustadas en el análisis de correlación entre estaciones, donde R2 es el coeficiente de determinación
simple. Como puede notarse son modelos de regresión simple que explican una buena parte de la variabilidad observada entre variables del mismo tipo.
las instalaciones petroleras, con el objetivo de reducir las tasas de emisión de contaminantes a la at33 el SO2 . Esto pudiera explicar
mósfera, entre ellos
la tendencia en la disminución de la concentración
media anual de SO2 . Un resultado semejante encontró Varó & Carratalá (2002) en donde el periodo en
el que se dan las disminuciones de humos negros y
SO2 en ALCOY, coinciden con la puesta en funcionamiento de una red de gas natural en las industrias
y que reduce las emisiones debido a actividades in-
8
DISCUSIÓN
En los últimos años se han instalado plantas
recuperadoras de azufre y quemadores ecológicos en
75
Ramos-Herrera et al.
26(1):65-80,2010
Presión en Giraldas, mb
dustriales.
1030
1025
1020
1015
r = 0.982**
1010
1005
1000
995
995
1000
1005
1010
1015
1020
1025
1030
Presión en Reforma, mb
1
120
Humedad relativa en
Giraldas, %
r = 0.810**
100
80
60
40
20
0
20
Temperatura en Giraldas, ºC
2
40
60
80
Humedad Relativa en Reforma, %
35
30
25
20
r = 0.853**
15
10
5
0
10
15
20
25
30
Temperatura en Reforma, ºC
3
500
Radiación solar en en
Giraldas, Wm -2
100
35
r = 0.840**
400
300
200
100
0
0
100
200
300
Radiación solar en Reforma, Wm
4
400
-2
Figura 10. Gráficos de dispersión de las variables meteorológicas
en Giraldas vs Reforma.
Figure 10. Dispersion chart of the meteorological variables in
Giraldas vs Reforma.
76
No se puede asegurar que la tendencia a la
disminución de la media anual de SO2 persista, de
modo que la función de regresión cuando mucho
pudiera usarse para estimar la media anual del próximo año. Esto coincide con Correa (2004) quien
aplicó la ecuación de regresión simple ajustada con
los promedios anuales 1994 al 2000 de diversos contaminantes para predecir la tendencia en el 2001.
Ni la humedad relativa, ni la radiación solar, ni el
viento anual medio sirvieron como posibles variables descriptivas de la disminución observada en la
media anual de SO2 . En el caso de la humedad relativa, aunque se correlacionó fuertemente con el SO2
(coeficiente de 0.80), los modelos ajustados de esta
variable y el tiempo o usándola como única variable
regresora no cumplieron las hipótesis inherentes a
estos.
El grado de asociación entre los contaminantes y las variables meteorológicas a escala mensual
(que oscila entre 0.373 y 0.772) es significativamente mayor que las que reporta Correa et al. (2002)
quienes analizaron la relación entre los máximos diarios de ozono y los promedios diarios de las variables meteorológicas (menor de 0.3). Las variables
que resultaron mejores descriptoras de la concentración mensual fueron la temperatura, la humedad
relativa y la dirección de los vientos. En los modelos
ajustados no se incluyeron simultáneamente estas
variables, ya que están correlacionadas fuertemente (mayor a 0.6) y dejan modelos con problemas
fuertes de multicolinealidad. Aunque la correlación
entre la dirección categórica de los vientos y la concentración mensual de los contaminantes es baja (<
0.3), esta variable sí contribuyó a la mejora de los
modelos, lo cual se manifestó en un incremento significativo en el coeficiente de correlación múltiple
corregido. En Reforma, este coeficiente osciló entre 0.548 y 0.704 y en Giraldas osciló entre 0.533
y 0.846. Estos valores son aceptables; por ejemplo
Correa (2004) ajustó ecuaciones de regresión para
explicar la concentración media anual de los contaminantes en la ZMVM en un periodo de seis años
con un coeficiente
de determinación ajustado que
34
varía entre 0.3 y 0.9 típicamente.
A nivel diario, la humedad relativa y la temperatura resultaron inadecuadas en la descripción del
SO2 en Giraldas, ppb
Estudio correlativo de contaminantes atmosféricos
26(1):65-80,2010
80
70
60
50
40
30
20
10
0
r = 0.180**
0
5
10
15
SO2 en Reforma, ppb
20
25
SO2 en Artesa, ppb
1
80
70
60
50
40
30
20
10
0
r = 0.274**
0
5
10
15
20
25
SO2 en Giraldas, ppb
SO2 en Artesa, ppb
2
80
70
60
50
40
30
20
10
0
r = 0.447**
0
5
10
15
SO2 en Reforma, ppb
20
25
3
4
Figura 11.
Figura 12.
5
Figura 11. Gráfico de dispersión de SO2 en las estaciones de
monitoreo.
Figure 11. Dispersion chart of SO2 at the monitoring stations.
Figura 12. Gráfico de dispersión de PM10 en las estaciones de
monitoreo.
Figure 12. Dispersion chart of PM10 at the monitoring stations.
comportamiento de los contaminantes SO2 y H2 S.
Para mejorar los modelos, en el caso del SO2 , pudiera incluirse como variable regresora, la tasa de
emisión desde las fuentes, que como ya se comentó
en los últimos años ha ido disminuyendo paulatinamente. Para mejorar el modelos del H2 S quizás sea
necesario incluir al SO2 como una variable regresora, ya que de los resultados han mostrado una fuerte
correlación entre estos contaminante (hasta de 0.5).
Estas mismas variables resultaron adecuadas en la
descripción de la contaminación diaria por NO2 y
PM10 . Los modelos ajustados alcanzaron coeficientes de determinación múltiple entre 0.2 y 0.6. Sin
embargo, hay que tomar en cuenta que los modelos
37
de regresión se ajustaron
al logaritmo de las concentraciones diarias y al retornar a las concentraciones
originales, la incertidumbre del modelo cambia.
Otro de los resultados interesantes en este
estudio, es la existencia de moderada y fuerte correlación en las mediciones de PM10 , temperatura,
humedad relativa, radiación solar y presión entre las
estaciones de monitoreo. Los coeficientes de corre-
6
7
77
Ramos-Herrera et al.
26(1):65-80,2010
r = 0.594**
20
H2S en Giraldas, ppb
NO2 en Giraldas, ppb
25
15
10
5
0
0
10
20
30
80
70
60
50
40
30
20
10
0
r = 0.105*
0
NO2 en Reforma, ppb
5
1
10
15
20
25
H2S en Reforma, ppb
1
r = 0.125*
20
H2S en Artesa, ppb
NO2 en Artesa, ppb
25
15
10
5
0
0
10
20
NO2 en Giraldas, ppb
30
r = 0.263**
0
2
5
10
15
H2S en Giraldas, ppb
20
25
2
25
20
r = 0.314
H2S en Artesa, ppb
NO2 en Artesa, ppb
80
70
60
50
40
30
20
10
0
15
10
5
0
0
10
20
30
80
70
60
50
r = 0.450**
40
30
20
10
0
0
NO2 en Reforma, ppb
5
10
15
H2S en Reforma, ppb
20
25
3
3
Figura 14.
4
Figura 13.
5
Figura 13. Gráfico de dispersión de NO2 en las estaciones de
monitoreo.
Figure 13. Dispersion chart of NO2 at the monitoring stations.
Figura 14. Gráfico de dispersión de H2 S en las estaciones de
monitoreo.
Figure 14. Dispersion chart of H2 S at the monitoring stations.
lación múltiple de las rectas de regresión ajustadas
a estas variables con relación a lo observado en Reforma varían entre 0.631 y 0.974; mientras que para
las PM10 oscilan entre 0.328 y 0.820. Esta aparente homogeneidad puede deberse a que las condiciones ambientales en esas zonas son aparentemente
similares, ya que ambas casetas se ubican dentro de
áreas Talleres de PEMEX. Lo mismo puede decirse
de la presión y la radiación solar; ya que en el caso
de la presión barométrica, se necesitan diferencias
significativas en altitud para obtener lecturas que
difieran entre sí. Quizás es menos obvio en el caso
de la radiación solar y la temperatura.
De manera genérica se puede decir que la recta de regresión ajustada a la media anual de SO2 es
39
adecuada. La tendencia fuertemente negativa de la
concentración en este contaminante con el tiempo
puede deberse a la disminución en las emisiones de
éste, presumiblemente debido a la puesta en marcha
de plantas recuperadoras de azufre en las instalaciones petroleras.
Las ecuaciones de regresión ajustadas para
6
4
7
78
Estudio correlativo de contaminantes atmosféricos
26(1):65-80,2010
explicar las concentraciones mensuales de los contaminantes tienen una bondad de ajuste bastante
buena. Puede pensarse, que las variables meteorológicas mensuales como la humedad relativa y la
temperatura son adecuadas en la descripción de la
tendencia mensual en la contaminación atmosférica
de la ZNC. Se recomienda en el futuro simular la
distribución espacial y temporal de estos contaminantes usando modelos de dispersión y de pronóstico meteorológico (MM5), que tomen en cuenta
la circulación a nivel regional, los vientos dominantes y sus variaciones estacionales. El análisis entre
estaciones meteorológicas, indicó que probablemente están registrando información muy similar por lo
que la falta de información en una estación pudiera
complementarse por la otra.
AGRADECIMIENTOS
Se agradece a la Gerencia de Seguridad Industrial y Protección Ambiental de PEMEX Exploración
y Producción Región Sur en el estado de Tabasco
por la información proporcionada para el desarrollo
de este estudio.
LITERATURA CITADA
Anónimo (1993a) NOM-022-SSA1-1993; Salud ambiental. Criterio para evaluar la calidad del aire ambiental
con respecto al bióxido de azufre (SO2 ). Valor normado para la concentración de bióxido de azufre
(SO2 ) en el aire ambiente como medida de protección a la salud de la población. 4pp.
Anónimo (1993b) NOM-023-SSA1-1993; Salud ambiental. Criterio para evaluar la calidad del aire ambiental
con respecto al bióxido de nitrógeno (NO2 ). Valor normado para la concentración de bióxido de nitrógeno
(NO2 ) en el aire ambiente como medida de protección a la salud de la población. 3pp.
Anónimo (1993c) NOM-025-SSA1-1993; Salud ambiental. Criterios para evaluar la calidad del aire ambiente
con respecto a material particulado. 11p.
Anónimo (2000) Meteorological monitoring guidance for regulatory modeling applications. Environmental
Protection Agency Oficina de Aire y Radiación Oficina de Planeación de Calidad del Aire y Estándares.
EPA-454/R-99-005. Cap. 6. 7 pp.
Anónimo (2003) Anuario estadístico edición 2003 Chiapas. Instituto Nacional de Estadística Geografía e
Informática (INEGI). 606 pp.
Anónimo (2008).Office of Environmental Health Hazard Assessment (OEHHA) and the Air Reosurces Borrad
(ARB) for use 2588 in facility helath risk assessments conducted for the AB 2588 Air Toxics Hot Spots
Program.
Arrivas-Monzón F, Rabanaque MJ, Martos MC, Abad JM, Alcalá-Nalvaíz T, Navarro-Elipe M (2001) Efectos
de la contaminación atmosférica sobre la mortalidad diaria en la ciudad de Zaragoza, España, 1991-1995.
Salud Pública de México 43(4) 289-297.
Amador-Muñoz O, Delgado-Rodríguez A, Villalobos-Pietrini R, Munive-Colín Z, Ortíz-Marttello R, DíazGonzáles G, Bravo-Cabrera JL, Gómez-Arroyo S (2001) Partículas suspendidas, hidrocarburos aromáticos
policíclicos y mutagenicidad en el Suroeste de la Ciudad de México. Contaminación Ambiental 17(4):
193-204.
Bravo JL, Nava MM, Muhlia A (2000) Relaciones entre la magnitud del valor máximo de ozono, la radiación
solar y la temperatura ambiente en la Zona Metropolitana de la Ciudad de México. Contaminación
Ambiental 16(2): 45-44.
Correa AG, Muñoz RC, Cardoso GC (2002) Análisis de ozono y óxidos de nitrógeno mediante técnicas de
series de tiempo y regresión lineal. Secretaría del Medio Ambiente Dirección General de Prevención y
Control de la Contaminación México, D.F. 14pp.
79
Ramos-Herrera et al.
26(1):65-80,2010
Correa AG (2004) Contaminantes atmosféricos en la zona metropolitana de la ciudad de México. Instituto
Politécnico Nacional Universidad Autónoma Metropolitana México 280p.
Davydova-Belitskaya V, Skiba YN, Bulgakov SN, Martínez A (1999) Modelación matemática de los niveles
de contaminación en la ciudad de Guadalajara, Jalisco, México. Parte I, microclima y monitoreo de la
contaminación. Revista Internacional de Contaminación Ambiental. 15 (2): 103-111.
Ferrán MA (2001) SPSS para Windows análisis estadístico. España MCGRAW-HILL. 421 pp.
Hernández-Cadena L, Téllez-Rojo MM, Sanin-Aguirre LH, Lacasaña-Navarro M, Campos A, Romieu I (2000)
Relación entre consultas a urgencias por enfermedad respiratoria y contaminación atmosférica en Ciudad
Juárez, Chihuahua. Salud Pública de México. 42(4): 288-297.
Jiménez JCH (2002) Análisis de valores extremos de la concentración de ozono en la ciudad de México Tesis
profesional. UJAT División Académica de Ciencias Básicas Cunduacán Tabasco 95p.
Montgomery DC, Peck EA, Vining GG (2006) Introducción al análisis de regresión lineal (3a. ed.) México
D.F. CECSA. 588 pp.
Sáez M, Pérez-Hoyos S, Tobías A, Saurina C, Barceló MA, Ballester F (1999) Métodos de series temporales en
los estudios epidemiológicos sobre contaminación atmosférica. Rev Esp Salud Pública. 73(2): 133-143.
Varó PG, Carratalá AG (2002) Evolución de los niveles de inmisión de contaminación atmosférica en una
ciudad industrial (ALCOY) desde 1989 a 2000. Revista Salud Ambiental, 2(1): 8-15.
Valdés AM, Bautista RM, Ramos SH, Magaña EV (2004) Distribución espacial y estacional de las inmisiones
de bióxido de azufre (SO2 ) en la zona norte de Chiapas y centro de Tabasco. KUXULKAB’ Revista
de Divulgación. División Académica de Ciencias Biológicas. Universidad Juárez Autónoma de Tabasco.
10(19): 33-36.
Vázquez CA (2006) Aplicación de un modelo de dispersión para determinar las concentraciones de monóxido
de carbono (CO) emitidos por motores diesel de un pozo petrolero. Tesis profesional Universidad Juárez
Autónoma de Tabasco División Académica de Ciencias Biológicas Villahermosa Tabasco 106p.
80